Нормальное распределение (также известное как распределение Гаусса) — это один из самых фундаментальных типов распределения вероятностей в статистике, математике и естественных науках. Именно оно чаще всего встречается в природе и технике, отсюда и произошло его название — «нормальное», то есть обычное, типичное.
Что такое нормальное распределение
Нормальное распределение — это непрерывное распределение вероятностей, при котором значения случайной величины симметрично группируются вокруг среднего значения, а вероятность отклонений уменьшается по мере удаления от центра.
График нормального распределения напоминает колокол, поэтому его часто называют колоколообразной кривой (кривой Гаусса). У графика имеется «горб» в середине и плавное снижение плотности вероятности по краям. В этом и заключается суть нормального распределения:
- большинство значений сосредоточено вблизи среднего;
- сильные отклонения от среднего встречаются редко;
- отклонения в большую и меньшую сторону равновероятны (симметрия).
Почему нормальное распределение так распространено
Физическая величина, подверженная влиянию значительного числа независимых факторов, каждый из которых вносит небольшие положительные или отрицательные отклонения, часто подчиняется нормальному закону — независимо от природы этих случайных факторов.
Это объясняется центральной предельной теоремой: если признак зависит от большого количества независимых факторов, то его можно рассматривать как результат суммирования случайных вариаций каждого из них, что и приводит к нормальному распределению. Именно поэтому нормальность распределения наблюдается у самых разнообразных количественных признаков в природе и технике.
Примеры из жизни
- рост и вес людей в популяции;
- ошибки измерений в физических экспериментах;
- результаты массовых тестирований и экзаменов;
- разброс размеров деталей при серийном производстве;
- результаты большого числа бросков монеты или игральной кости.
Основные параметры
Нормальное распределение полностью описывается двумя параметрами:
- Математическое ожидание (среднее, μ) — определяет положение центра распределения на числовой оси.
- Стандартное отклонение (σ), характеризует разброс значений: чем больше σ, тем шире и ниже «колокол».
Правило трёх сигм
Одно из важнейших практических свойств нормального распределения — правило трёх сигм. Его суть состоит в том, что практически достоверным является факт, что нормально распределённая случайная величина примет значение из промежутка μ ± 3σ. Более точно:
- около 68% значений лежат в пределах μ ± 1σ;
- около 95%, в пределах μ ± 2σ;
- около 99,7%, в пределах μ ± 3σ.
Где применяется нормальное распределение
Распределение Гаусса играет важнейшую роль во многих областях:
- Статистика и проверка гипотез, используется для проверки различных гипотез, включая гипотезу о равенстве двух средних (t-критерий и др.).
- Анализ данных, случайная величина подчиняется нормальному закону, когда она подвержена влиянию большого числа случайных факторов, что является типичной ситуацией при анализе данных.
- Психология и педагогика — оценка результатов тестов, нормирование шкал.
- Контроль качества, определение допустимых отклонений в производстве.
- Финансы и естественные науки, моделирование случайных процессов.
Нормальное распределение в Excel
Для практической работы с нормальным распределением удобно использовать Excel. В программе есть встроенные функции:
- НОРМ.РАСП — вычисляет значение функции или плотности нормального распределения;
- НОРМ.ОБР, находит значение по заданной вероятности;
- НОРМ.СТ.РАСП — работает со стандартным нормальным распределением (μ = 0, σ = 1).
Построив график по этим функциям, вы получите характерную колоколообразную кривую с «горбом» в середине и снижением плотности по краям.
Нормальное распределение — это статистический закон, описывающий поведение больших наборов данных, на которые влияет множество независимых случайных факторов. Благодаря центральной предельной теореме оно встречается повсюду: от роста людей до ошибок измерений; Понимание его свойств — симметрии, правила трёх сигм, роли среднего и стандартного отклонения — является основой грамотного статистического анализа и позволяет делать обоснованные выводы и прогнозы.